@PhDThesis{Silva:2013:ApDaPo,
author = "Silva, Wagner Barreto da",
title = "Classifica{\c{c}}{\~a}o de regi{\~o}es de imagens utilizando
testes de hip{\'o}tese baseados em dist{\^a}ncias
estoc{\'a}sticas: aplica{\c{c}}{\~o}es a dados
polarim{\'e}tricos",
school = "Instituto Nacional de Pesquisas Espaciais (INPE)",
year = "2013",
address = "S{\~a}o Jos{\'e} dos Campos",
month = "2013-03-06",
keywords = "Classifica{\c{c}}{\~a}o por regi{\~o}es, dist{\^a}ncias
estoc{\'a}sticas, testes de hip{\'o}tese, polarimetria,
region-based classification, stochastic distances, hypothesis
tests, polarimetry.",
abstract = "Este trabalho tem por objetivo a proposi{\c{c}}{\~a}o,
desenvolvimento e avalia{\c{c}}{\~a}o de um classificador por
regi{\~o}es com base em dist{\^a}ncias estoc{\'a}sticas e seus
testes de hip{\'o}tese associados. O classificador {\'e}
organizado em tr{\^e}s m{\'o}dulos, divididos segundo a
modelagem estat{\'{\i}}stica e o tipo de imagem para a qual o
m{\'o}dulo {\'e} destinado. O primeiro m{\'o}dulo destina-se
{\`a} classifica{\c{c}}{\~a}o de imagens de radar de abertura
sint{\'e}tica polarim{\'e}trico (PoISAR) e adota a
distribui{\c{c}}{\~a}o de Wishart complexa escalonada para
modelagem das matrizes de covari{\^a}ncia; o segundo m{\'o}dulo,
o qual se destina {\`a} classifica{\c{c}}{\~a}o de pares de
imagens SAR em intensidade \textit{multi-look}, adota a
distribui{\c{c}}{\~a}o Par de Intensidades \textit{multi-look},
desenvolvida por Lee et al. (1994a); o terceiro m{\'o}dulo, que
se destina {\`a} classifica{\c{c}}{\~a}o de imagens SAR multi
variadas em amplitude e imagens de sensores {\'o}ticos, utiliza a
distribui{\c{c}}{\~a}o gaussiana multi variada. Foram utilizadas
dist{\^a}ncias estoc{\'a}sticas dispon{\'{\i}}veis na
literatura, espec{\'{\i}}ficas para cada m{\'o}dulo, obtidas
segundo o procedimento formal da fam{\'{\i}}lia de
diverg{\^e}ncias \textit{h}-\$\phi\$, desenvolvido por
Salicru et al. (1994). A partir das express{\~o}es para as
dist{\^a}ncias, foram desenvolvidas express{\~o}es para as
estat{\'{\i}}sticas de teste a serem utilizadas na
classifica{\c{c}}{\~a}o. Ao final do processo de
classifica{\c{c}}{\~a}o, s{\~a}o gerados a imagem classificada
e um mapa indicativo que mostra os segmentos para os quais a
hip{\'o}tese nula do teste n{\~a}o foi rejeitada ao
n{\'{\i}}vel de signific{\^a}ncia de 5\%. Com a
utiliza{\c{c}}{\~a}o de dados simulados com
autocorrela{\c{c}}{\~a}o espacial, foi verificada a alta
influ{\^e}ncia da autocorrela{\c{c}}{\~a}o no desempenho do
teste. Com a finalidade de avaliar o classificador,
aplica{\c{c}}{\~o}es foram feitas segundo duas abordagens. Na
primeira, com dados simulados segundo a distribui{\c{c}}{\~a}o
de Wishart complexa escalonada com 4 visadas. Para a maioria das
dist{\^a}ncias dispon{\'{\i}}veis entre
distribui{\c{c}}{\~o}es Wishart: Bhattacharyya,
Kullback-Leibler, Hellinger e R{\'e}nyi de ordem \$\beta\$, os
resultados de classifica{\c{c}}{\~a}o foram id{\^e}nticos entre
si e muito pr{\'o}ximos do esperado teoricamente.
Aplica{\c{c}}{\~o}es em dados simulados em amplitude
multivariada e em pares de intensidade alcan{\c{c}}aram
resultados de classifica{\c{c}}{\~a}o e de taxas de
rejei{\c{c}}{\~a}o do teste de hip{\'o}tese ligeiramente
inferiores aos dos dados PoISAR, mas ainda pr{\'o}ximos do
esperado. Na segunda abordagem, o classificador foi aplicado a
dados PolSAR reais, em que foram utilizadas imagens
polarim{\'e}tricas \textit{multi-look} (HH, HV e VV) da
miss{\~a}o SIR-C/X-SAR, nas bandas L e C. Os resultados de
classifica{\c{c}}{\~a}o foram avaliados a partir dos valores da
acur{\'a}cia global e do coeficiente de concord{\^a}ncia
\textit{kappa (k}). Esses resultados de
classifica{\c{c}}{\~a}o, de modo geral, foram considerados
excelentes para a banda L, com valores de k maiores do que 0,82, e
muito bons para a banda C, com valores de k maiores do que 0,70.
Os resultados com os dados SAR em amplitude multivariada e pares
de imagens SAR em intensidade mostraram-se valiosos pela
possibilidade da indisponibilidade de dados PolSAR. Os resultados
de classifica{\c{c}}{\~a}o de dados PolSAR reais, dos dois
conjuntos de dados, foram comparados com resultados obtidos por um
classificador pontual/ contextual, que utiliza o algoritmo
\textit{Iterated Conditional Modes} (ICM) (CORREIA, 1998). Desta
compara{\c{c}}{\~a}o p{\^o}de-se observar que a
classifica{\c{c}}{\~a}o por regi{\~o}es supera
significativamente a contextual, em ambos os casos. No caso da
banda L, o classificador por regi{\~o}es superou o
pontual/contextual em aproximadamente 4\% e no caso da banda C,
em aproximadamente 20\%. ABSTRACT: This work aims at the
proposal, developing and evaluation of a region based elassifier
based on stochastic distances and hypothesis tests. The classifier
is organized into three modules, divided according to the assumed
statistical mo del and to the image type used. The first module is
intended to the polarimetric synthetic aperture radar (PolSAR)
data classification and assumes the scaled complex Wishart
distribution for covariance matrices modeling; the second one,
which is intended to the classification of SAR images pairs in
intensity, assumes the \textit{multi-look} Intensity-Pair
distribution developed by Lee et al. (1994a); the third one, which
is intended to the classification of multivariate SAR images in
amplitude and images from optical sensors, assumes a multivariate
Gaussian model. Stochastic distances available in the literature
were applied. Such distances were obtained according to the
\textit{h}-\$\phi\$ class of divergences proposed by Salicru
et al. (1994). From the applied distances, expressions for the
test statistics to be used in classification were developed. At
the end of the classification process, the classified image and an
indicative map which shows the segments for which the null
hypothesis was not rejected at the significance level of 5\% are
obtained. Using simulated data with spatial correlation, was
verified the high influence of such contamination on the
hypothesis test performance. Aiming at the classifier evaluation,
applications were conducted under two approaches. In the first
one, with complex scaled Wishart simulated data with 4 looks. For
most distances between Wishart distribution: Bhattacharyya,
Kullback-Leibler, Hellinger and R{\'e}nyi of order \$\beta\$,
the classification results were identical and very close to the
theoretically expected value. Applications to simulated data in
multivariate amplitude format and intensity pairs with use of the
Bhattacharyya distance between appropriate distributions achieved
classification results and null hypothesis rejection rates
slightly lower than the data PolSAR data results, but still close
to theoretical expectations. In the second approach, the
classifier was applied to real PolSAR data, when polarimetric
\textit{multi-look} images (HH, HV and VV), bands L and C, were
used. The classification results were evaluated using the overall
accuracy and \textit{kappa (k}) coefficient of agreement. These
classification results, in general, were considered excellent for
the L band data, with \textit{k}, greater than 0,82, and very
good for C band data, with \textit{k} greater than 0,70. The
multivariate amplitude SAR data results and intensity pair data
results were valuable considering of the real possibility of data
PolSAR absence in practical situations. The classification results
of real PolSAR data, from the two data set, were compared with
results obtained by a punctual/ contextual approach classifier
which uses a \textit{lterated Conditional Modes} (ICM) (CORREIA,
1998) algorithm. From this analysis, we observed that the region
based classification sig-nificantly outperforms the contextual
classification. In the L band case, the region based classifier
outperformed the punctual/contextual approximately in 4\% and in
the C band case, in approximately in 20\%.",
committee = "Dutra, Luciano Vieira (presidente) and Freitas, Corina da Costa
(orientadora) and Orgambide, Alejandro Cesar Frery (orientador)
and Sant'Anna, Sidnei Jo{\~a}o Siqueira and Correia, Ant{\^o}nio
Henrique and Nascimento, Abra{\~a}o David Costa do",
copyholder = "SID/SCD",
englishtitle = "Classification of image regions using hypothesis test based on
stochastic distances: applications to polarimetric data",
language = "pt",
pages = "165",
ibi = "8JMKD3MGP7W/3DJMB48",
url = "http://urlib.net/ibi/8JMKD3MGP7W/3DJMB48",
targetfile = "publicacao.pdf",
urlaccessdate = "27 abr. 2024"
}